红-黑小波变换的改进

本文从能量守恒的角度讨论了用红-黑小波变换对图像进行多层分解的问题,并在9/7小波提升算法的基础上,提出了新的红-黑小波变换,将原来红-黑和蓝-黄变换分别进行一次预测、修正的过程变成了如9/7小波提升算法中的预测-修正-预测-修正的两次预测、修正过程,并在图像压缩仿真实验中取得了峰值信噪比(即PSNR)比原红-黑小波变换高0.7dB的结果.     

一种基于小波变换的线性调频信号检测方法

线性调频信号(LFM)是一类应用广泛的非平稳信号.通过选取高斯线调频小波作为基函数,研究了线性调频信号的小波变换及基于小波-Radon变换的线性调频信号检测的基本方法.针对多分量LFM信号检测问题,在结合“C lean”技术的基础上,提出了基于小波-Radon变换的多分量LFM信号检测与参数估计的算法.计算机仿真实验结果验证了该算法的有效性.     

基于改进的经验模态分解的后视镜驱动器故障诊断方法

针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD).使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量.应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行...     

基于非平稳序列的主机负载预测及合成技术

提出一种新的主机负载表征指标--并发连接数,分析基于并发连接数的主机负载的自相似性和非平稳性,构建基于小波和支持向量回归的负载预测及合成算法.将主机负载序列进行多层小波分解与单支重构,低频信号采用AR模型预测,最小尺度高频信号采用加权移动平均方法预测,其它分支采用支持向量回归(SVR)预测;各信号预测值基于SVR方法加以合成,获得最终预测值.实验结果表明,将小波与支持向量回归应用于Web服务器负载预测的效果明显好于传统方法.     

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上,提出了一种改进的小波域维纳滤波器,在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号,提高估计的精度,并以此设计经验维纳滤波器;进一步适当选择多小波基,使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征,从而实现WienerChop算法的迭代.仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比,与BayesShrink算法和非迭代的WienerChop算法相比,迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0.78~1.00dB和0.36~0.49dB.     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

新的非合作直扩信号目标的跟踪测角算法

为完成直接序列扩频信号的非合作目标的跟踪测角,提出一种在单通道比幅单脉冲体制下,提取非合作目标方位角误差和俯仰角误差的算法. 该算法对信号进行延时相乘,检测到信号后,估计出伪码速率. 在一倍伪码速率的频率分量上,完成信号的方位角误差和俯仰角误差的提取. 与现有的直扩信号目标的跟踪测角技术相比,该方法可以完成对非合作目标或者合作目标的跟踪,且可以工作于极低信噪比(-20dB)条件下. 仿真结果验证了该算法的有效性.     

提升小波变换二叉树图像编码算法

为进一步提高图像压缩质量,在研究二维离散信号采样的基础上,基于全相位列率滤波理论设计了全相位内插滤波器组,并将其用作小波变换提升格式中的预测和更新滤波器,对图像进行不可分离的二维小波变换.结合各分解子带小波系数金字塔排列的特点,借鉴经典的SPIHT小波编码算法的思想,提出了二叉树小波编码算法.对经典测试图像的实验结果表明,与SPIHT算法在相同编码比特率下做比较,在低比特率下,二叉树小波编码算法重建图像的峰值信噪比平均提高约0.5 dB,并且重建图像的主观质量也较好.     

基于小波变换和优化预测器的瓦斯浓度预测

为了准确预测煤矿瓦斯浓度,提出一种基于小波变换和优化预测器的预测方法.用瓦斯浓度序列分解到小波函数空间(或尺度函数空间)上的能量作为尺度能量,依据尺度能量与满足预测精度的最大误差能量的比值关系,确定小波最佳分解级数.通过小波分解降低瓦斯浓度序列的复杂度,引入延时映射,将小波分解后各个分量转化为具有历史特征的新样本分别进行预测,所得到结果进行叠加为最终预测结果.提出基于预测残差方差比检验的最佳延时单元数确定方法,以预测残差的F检验值作为适应值,采用粒子群算法优化预测器的参数.结果表明:单一的BP人工神经网络(BP_ANN)或支持向量机(SVM)所建立的预测方法对某些瓦斯浓度突变数据的预测有过拟合现象,其预测结果的平均误差大于23%,小波变换后的组合预测方法对于瓦斯浓度突变数据具有较好的跟踪能力和反应速度,采用预测模型的最佳参数后,预测器性能显著提高,平均误差小于10%,表明所建议的方法是可行和有效的.     

基于经验模态分解的子带自适应声学回声消除算法

在语音通信中,声学回声消除技术用于消除扬声器与麦克风之间耦合产生的回声干扰.在声学回声抵消系统的实现过程中,可以通过子带技术来提高系统的性能,并减小算法本身的运算量.常见的子带算法多是基于组合滤波器、小波变换实现的.本文基于经验模态分解提出一种新的自适应回声消除算法EMD-APNLMS,它克服了基于组合滤波器算法收敛慢的缺点以及基于小波变换算法需要选择小波基的问题.计算机仿真结果表明,该算法实现了回声的消除,收敛速率较快,非常适用回声这种非平稳信号的处理.     

高斯白噪声下LMS算法的改进

自适应（ＡＲ）模型是数字信号处理中广为应用的一种模型,它的系数可以通过ＬＭＳ算法求解。但当输入信号受到高斯白噪声干扰时,用ＬＭＳ算法求得的解误差很大,所以提出了改进的算法。通过理论分析,指出这种算法的有效性。     

建筑新技术应用的经济分析方法

结合广厦工程中的地基基础新技术，提出了其市场经济效益分析的理论方法，对国民收入、固定资产投资、建安工程量和房屋建筑竣工面积之间的比例等进行数据背景分析，根据分析情况建立了预测分析的模型．这些方法也适用于其他建筑施工技术的经济分析．     

神经网络预测控制在SCR烟气脱硝系统中应用

以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾气达到限排标准,亦能减少用氨量,提升经济效益的同时减少氨逃逸.采用最速梯度方法进行控制器的优化,并通过性能函数来约束控制量,达到预期输出.最后将仿真结果与现场所测数据进行对比,结果表明神经网络预测控制方案可以较准确地预测出未来有限时刻所需的喷氨量.     

动力调谐陀螺仪模型快速开环辨识

为了实现对动力调谐陀螺仪闭环测量系统的快速设计,建立了参数模型辨识系统,对激励信号设计、模型类结构选择、参数估计算法等问题进行研究.首先依据惯性元件的特点,设计了适宜于动力调谐陀螺仪测试的多正弦激励信号,然后基于外加输入自回归（ARX）模型,采用预报误差法辨识得到模型参数,最后针对某型号动力调谐陀螺仪设计实验进行验证,并与传统扫频法建模得到的结果进行对比.结果表明：模型辨识时间由2 000,s缩短为20,s,辨识拟合度由92.5%提高到95.3%.与传统扫频法相比,通过多正弦激励、ARX模型和预报误差法进行陀螺模型辨识可得到更高的辨识精度、抗噪声能力和辨识效率,为快速设计闭环系统提供了可靠的依据.     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

抗剪强度参数相关变量重构及Copula联合分布模型研究

在实际工程中,大样本的岩土体参数实测值往往不易获取,以抗剪强度参数为例,给出了一种相关变量样本重构方法。首先简要介绍了Ilich算法和Copula函数,基于实际的初始数据,生成了具有指定边缘分布的相关变量样本;并借助Copula函数研究了样本重构前后的联合分布模型,认为与初始样本具有相同最优联合分布的重构样本能更大程度地继承初始数据的信息。以一简单的算例将重构样本应用于可靠性分析中,通过对比分析基于重构样本的Monte Carlo法与设计验算点法,验证了计算结果的合理性。给出的重构方法所得到的样本将与初始样本具有相同的边缘分布信息、相关结构及联合分布模型。     

基于Matlab的股票市场收益率波动分析实验

针对金融风暴背景下的股票市场价格的波动特性,应用数学分析、经济统计与计量知识,对中国上海、深圳股票综合指数2007~2009年的数据进行实验分析,并利用Matlab金融分析工具箱以及广义自回归异方差模型编程建模,实现对股票市场收益率的分析和预测。结果表明,股票市场收益率序列的波动有显著的异方差性。     

基于ARIMA模型的居民区电动汽车负载特性分析

随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。本文在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。     

基于SVM的BP改进新法

BP人工神经网络算法作为一种基本算法在许多领域中都有着广阔的应用前景.但由于其本身的缺陷而很难投入实际应用.给出了一种基于SVM(Support Vector Machines)的BP改进回归算法,有效地提高了算法的收敛速度,减少了迭代次数,提高了回归预测的精度.     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.